无线传感器网络定位综述.docx

0 引言

无线传感器网络(wireless sensor networks，WSN)

[1-5]

由大量低成本、具有通信与数据处理能力的

传感器节点组成，实验中根据分布式协议以多跳通信方式构成的自组织网络系统，能根据环境需求智能化

感知、采集其覆盖区域内的信息并完成指定任务。1999 年，无线传感器网络技术被《商业周刊》列为 21

世纪最有影响力的 21 项技术之一。2006 年，在我国发布的《国家中长期科学与技术发展规划纲要》中，

信息技术层面确定了 3 个尖端方向，其中两项为智能感知和自组织网技术。无线传感器网络作为一种全新

的获取和处理信息的方式，在各种领域中得到了应用

[6]

，例如事件检测(火灾、洪水、冰雹)，监控(工业、

环境变化，因此可以提高日常生活中的安全性和效率。

在室外环境中，全球定位系统(global positioning system，GPS)是最常用的定位方案。但是在室内

环境中，通常会出现障碍物的遮挡，以及金属结构的屏蔽等问题，使得室内定位经常会出现因为信号不稳

定而无法定位的情况

方案

输信息、目标跟踪等应用的保障和支撑。因此，对无线传感器网络的定位技术展开研究具有较高的理论意

义与工程价值。

面对不同的室内场景的需求，科研人员做了大量的研究工作，分别提出了基于测距的和非测距的定

内环境中，NLOS 因素各不相同，如何寻找 NLOS 的特征也是目前亟待解决的问题。此外，由于不同定

位技术与原理的机制和性能上的差异性，不同的技术可在不同的条件下发挥其性能优势。因此，基于多传

感器融合的定位技术也越来越引起重视。

本文将从非测距定位和测距定位两种方式展开阐述。针对测距定位，分别从到达时间(time of

arrival，TOA)、到达时间差(time difference of arrival，TDOA)、到达角(angle of arrival，AOA)和接收信

号强度(receive signal strength，RSS)这 4 种测量方法展开了分析。其次，对红外技术、超声波技术、蓝

牙技术、Wi-Fi 技术、射频识别技术、ZigBee 技术和超宽频技术的优缺点以及现状展开了描述。然后，重

点阐述了在基于测距定位下三边定位法、扩展卡尔曼滤波定位法以及最大似然估计定位法这 3 种定位算法

框架。接着分别分析了基于 NLOS 误差补偿和多传感器融合这两个热点问题的研究现状。最后，提出了

无线传感器网络定位在应用方面的挑战。

系统扩展性较高等优点。该方法通常将一部分已知位置的节点作为锚节点，根据拓扑关系或者事件的先后

顺序来获取其他待测节点的位置。该方法在无线传感器网络使用定位中被广泛应用。非测距定位算法的典

型代表有质心算法、距离向量跳(distance vector-hop，DV-hop)算法、多维尺度最大后验概率估计

(multidimensional scaling MAP，MDS-MAP)算法、近似三角形内点测量(approximate point-in-

triangulation，APIT)算法和凸规划算法等。

目前已经有很多学者对非测距的定位算法展开了研究

[21-24]

。大多数解决方案都是基于点对点定位系

统(Ad-hoc positioning system，APS)提出的方法

[21]

，并且将 APS 视为无线传感器网络非测距定位算法的

基准。在 APS 中，提出了一种分布式的算法，使用无线传感器网络中的所有传感器来获取大概的位置信

[26]

算法使用传感器节点的估计位置提高了定位精度。Gui 在 DV-hop 算法的基础上，提出了校验 DV-hop 和

3 锚节点选择 DV-hop 两种改进算法

[27]

位协议，整体提升了定位的性能。Wu 定义了一种新的测度

起来解决定位问题，在此基础上，提出了一种新的非测距定位算法，得到了较好的定位精度。

1.2 基于测距的定位方式

虽然基于非测距的定位方法能够满足一般的定位场合要求，但是该方法并不适用于精确定位系统。

基于测距的方法是从无线电信号的不同特征中提取基于距离、角度等测量信息，例如 TOA

个基站获得测量值时，该方法使用了约束非线性方法，从布局的几何形状和测量的距离圆中提取 NLOS

误差的界限与真实范围的关系，从而实现精确定位。Paul 提出了一种基于 Sigma 点卡尔曼平滑(Sigma-

point Kalman smooth，SPKS)的定位与跟踪算法

[42]

，该算法融合了人类行走的动态模型并结合一些低成

本 RSS 传感器来跟踪目标的位置和速度。Zheng 在有限的信息基础上寻找了一个近似有效的替代方法来

评估 AOA 的估计及精度，并设计了加权定位算法，对其中每个 AOA 估计精度相关的因子进行加权，从

而提高了定位性能

[43]

。

无线传感器网络的定位方式可以总结如表 1 所示。

表 1 无线传感器网络定位方式总结 Tab.1 Summary of localization methods in wireless sensor networks

表选项

2 无线传感器网络定位的主要技术

无线通信技术的飞速发展带动了人们对无线定位技术研究的热情，卫星定位、红外线定位、超声波

定位等技术成为当今人们研究的主流定位技术。而每种技术都有自身的优缺点，因此需要根据相应的场景

需求和任务来选择合适的定位技术。表 2 列举了不同的无线技术，总结了这些技术在定位中的优缺点。

表选项

1) 红外技术

红外技术目标定位的工作原理主要是通过使用红外线来标识已被调制的红外射线，通过部署的传感

器接收红外线从而达到室内目标的定位。在定位过程中，节点需要结合其接收到的信号的强度、误码率或

到达时间差等物理属性来处理位置信息，但是广泛应用的低成本红外发射器和接收器并不能很好地获得这

些特性。为了解决这一问题，Sekercioglu 开发了一种仅依赖于数据帧接收，并且能够在低误差范围内估

计红外信号源角方向的定位系统，并提出了锚跳距离加权定位算法来减小定位误差

[44]

。在定位环境中，不

可避免地会出现物体遮挡。由于红外射线对穿透障碍物的能力差，且容易受荧光灯或其他光源的影响和干

扰，因此会降低测量的准确性。因此，Arbula 提出了一种新型的传感器，利用短距离红外信号在视距范围

内提供高精度的到达角估计，该传感器利用无线传感器网络的特性避免了非视距传播的问题

。

测量性，基于 TOA、TDOA 和往返时间(round-trip time，RTT)的测距方法更广泛应用于实际环境中

[47-

48]

。但是在复杂的定位环境下，超声波信号易受到其它声波信号的干扰。

为了提高定位精度，研究者通常会考虑多种测量方式混合的算法，其中，基于 TOA 和 AOA 融合估

计的超声定位方法，能够在具有多径效应的条件下，达到误差低于 10 cm 的定位精度

[46]

。目前，在市面

上，存在着多种无线通信的低功耗芯片，其中，部分网络采用的是时分多址(time division multiple

access，TDMA)，其中跳频序列通常是硬件编码的，因此，跳频随机延迟可能无法满足超声定位系统的

势在于能够充分利用各个波形的全部带宽，同时还具有经典啁啾的所有优势。

除了多种测量方式混合的方法，Paredes 提出了声光混合的定位系统，该系统的超声模块在二维多

变化过程后，依次发射 5 个扩频超声码来计算水平车辆位置，然后基于深度相机提供目标高度的初步估

计，最后通过递归算法进行位置的精确估计

3) 蓝牙技术

蓝牙低能耗(bluetooth low energy，BLE)技术是一种短距离低功耗的无线传输技术。与其它技术相

比，BLE 提供了一个完整的不依赖于外部电源的无线硬件方案

[51]

。基于 BLE 的定位系统易于实现和扩

展，易于整合于智能手机、平板电脑等智能设备中

，并且不会对当前基础设施造成重大影响，因此

基于 RSSI 指纹的技术被广泛应用于蓝牙定位系统之中，然而经典的基于 RSSI 指纹的定位方法也

有着明显的缺陷。针对不同的蓝牙设备，需要做不同的 RSSI 校准，而且 RSSI 指纹数据必须在整个定位

区域内逐点采集等。对此，Li 提出了一种新的基于蓝牙 RSSI 指纹的三维定位方法，该方法利用 RSSI

差、距离比、虚拟指纹和双向测距来克服传统指纹定位方法上的缺陷

径效应和剧烈波动的影响，需要采用多种先进的信号处理解决方法。Malekzadeh 提出了一种基于高斯混

合模型的新框架，以更准确地表示不同区域内 RSSI 值的潜在分布，分别使用卡尔曼滤波算法和加权最近

部署的成本低，而且目前 Wi-Fi 网络的覆盖面广

，此外，通常不需要额外配备专属的接收设备，人们常